RbtAct：以反驳为监督的可操作审稿反馈生成

大型语言模型 (LLM) 正在跨越科学工作流程，包括撰写同行评审报告。然而，许多由 AI 生成的审稿报告都流于表面，缺乏可操作性，使作者无法获得具体可实施的指导，从而激发了本工作的介入。我们提出 RbtAct，旨在生成可操作的审稿反馈，并将现有的同行评审反驳置于核心位置。反驳表明了哪些审稿意见导致具体修订或特定计划，哪些仅被驳斥。基于这一洞见，我们利用反驳作为隐式监督，直接优化反馈生成器以实现可操作性。为支持这一目标，我们提出一种新任务，即视角条件下的段落级审稿反馈生成，该任务要求模型根据完整论文及指定视角（如实验或写作）生成单一聚焦评论。我们构建了一个名为 RMR-75K 的大型数据集，将审稿段落映射到针对它们的反驳段落，包含视角标签和影响类别，以排序作者采纳程度。我们随后对 Llama-3.1-8B-Instruct 模型进行监督式微调，首先在审稿段落上，然后使用由反驳派生的配对进行偏好优化。实验中，针对人类专家和 LLM 评判器的评估显示，我们的方法在可操作性和具体性方面 consistently 获益，同时保持 grounding 和 relevance。